基于類元分析的主題公園分布影響因素分析

主題公園是“人造旅游資源，注重特殊想法，以不同或兩個主題為主題創造一系列特殊環境和氣氛的項目，吸引游客”。適宜的區位是主題公園成功的前提(中國大陸最早研究主題公園區位分布的學者是中山大學保繼剛。1994年,保繼剛在《大型主題公園布局初步研究》和《深圳、珠海大型主題公園布局研究》2篇論文中以“錦繡中華”和“珍珠樂園”為例討論影響主題公園布局的因素。1997年,他進一步展開《主題公園發展的影響因素系統分析》,認為主題公園是一種投資大、風險高的新型旅游項目,并總結影響主題公園發展的5項因素:客源市場和交通條件、區域經濟發展水平、城市旅游感知形象、空間集聚和競爭和決策者行為(包括投資者與政府),由此帶動國內關于主題公園區位布局的研究。后來的研究者進一步細化上述5項因素,并基于案例提出影響主題公園布局的新因素。如從文獻梳理可見,對于主題公園區位分布影響因素的探索經歷了從宏觀走向宏微觀結合,從僅考慮外部影響因素到逐步納入公園內部運作因素的過程,成果頗豐。但這些研究大多針對某一特定類型的主題公園或者根據某個區域范圍內的主題公園的分布特點進行歸納總結,經驗認識居多而理論對話不足。不少學者也試圖構建關于主題公園區位選擇的評價指標體系,如主題公園的區位布局研究屬于區位論范疇。從區位論的演進來看,存在市場學派、成本學派、社會學派和行為學派等不同理論路線(基于上述目的,本文擬采用類“元分析”法提取影響主題公園空間布局的影響因素,應用主成分分析和逐步回歸法,對以往相互獨立的案例研究結果進行整合性的統計檢驗,以克服案例研究的局限性和主觀性,分析評估影響主題公園布局的各個因素的強弱效應,尋找影響力相對較強的因素,得出更為普適、科學和可信的結論。1學習方法1.1對已有文獻的再分析基于以往研究的上述不足,借鑒“元分析(Metaanalysis)”方法,對現有文獻的結論進行再分析。元分析指對眾多實證文獻進行定量的總結性統計,以整合不同研究,得到有代表性的結論的方法(1.2公園的篩選原則在篩選出上述影響因素的基礎上,以中國大陸31個省(市、區)范圍內A級及以上主題公園數量為因變量,以表1中篩選出來的影響因素作為解釋變量進行統計分析,據獲得的統計顯著性尋找影響主題公園區位分布的共同因素和關鍵變量,并剔除冗余變量。其中,社區居民態度難以用客觀指標衡量,故不納入研究。各變量對應的指標分別選擇如下:(1)A級以上主題公園數量。以從各省的旅游發展委員會政務網截取到的2017年底國家A級以上景區名錄作為基礎資料,進行各省A級以上主題公園的篩選,利用網絡查詢的方式收集主題公園簡介、地理位置、開業時間等信息。篩選出來的主題公園符合以下主要標準:1)擁有特定的一個或多個主題;2)人造景觀和設施是其主要吸引物;3)景區以盈利為主要經營目的;4)具有娛樂、休閑、服務等功能。(2)人口規模:選取各省城鎮人口數量與人均可支配收入而非僅用戶籍人口數量來衡量,這是由于沒有足夠消費能力的居民不足以支撐主題公園的運營((3)交通條件。采用內外部交通密度指標:內部交通密度等于公共交通運營線路長度除以地區總面積;外部交通密度等于鐵路和公路的里程數加總后除以地域總面積。(4)區域經濟發展水平:用各省地區生產總值即GDP來衡量。(5)城市旅游感知形象:城市旅游感知形象即城市旅游者在游覽城市的過程中通過對城市環境形體的觀賞和市民素質、民俗民風、服務態度等的體驗所產生的城市總體印象((6)空間集聚和競爭:主題公園在空間上集聚將增加所在地區的旅游吸引力,但同時也將加劇競爭。用各省區的高等級(4A和5A級)主題公園占比來衡量空間集聚與市場競爭狀態。(7)政府決策績效:政府政策和行為會直接影響到主題公園區位的最終選擇((8)企業成本:采用當地文化娛樂業在職員工平均工資和國有建設用地出讓價格2個指標反映勞動力成本和土地使用成本。(9)市場條件:選用各省旅游社接待的國內游客人數和各省潛在出游力指數來衡量。(10)旅游基礎設施:借鑒(11)自然條件:選用(12)旅游資源稟賦:以A級以上景區的數量作為旅游資源稟賦的量化指標。上述指標中,各省接待的國內游客人數、星級酒店數量數據來自《1.3無效變量t(1)前向逐步回歸法(stepwiseregression)。使用前向逐步回歸法尋找具有顯著影響的因素以及確定和比較每個因素的影響大小。逐步回歸可剔除引起多重共線性的變量(變量過多)和剔除經檢驗不顯著的變量(無效變量)。其基本思想是將變量逐個引入模型,每引入一個解釋變量均進行統計檢驗,當原來引入的解釋變量由于后面解釋變量的引入變得不再顯著時,則將其刪除,以確保每次引入新的變量之前回歸方程中只包含顯著性變量,直到既沒有顯著的解釋變量選入回歸方程,也沒有不顯著的解釋變量從回歸方程中剔除為止,因此最后所得到的是最優解釋變量集。(2)數據降維。由于上述11個解釋變量之間很可能存在相關關系,即在不同程度上反映某些共同信息,為了避免解釋變量之間由于存在高度相關關系(即多重共線性)而使模型估計失真,采用主成分分析法(PrincipalComponentAnalysis,PCA)進行降維處理,以盡可能保持原始變量的大部分信息,且所含信息互不重復。2結果與討論2.1低等級歷史美術館數量和空間分布截止至2018年7月,全國共有A級以上景區9125家,其中主題公園307家,占全部景區數量的3.36%。5A、4A、3A、2A和1A級主題公園的數量分別為17、192、62、36、2家,呈現為“兩頭小,中間大”的格局。根據《旅游景區質量等級評定與劃分》國家標準評定細則,可以將5A級與4A級主題公園歸類為高等級主題公園(其總評分在1010分及以上),將3A級、2A級和1A級主題公園歸類為低等級主題公園(其總評分在1009分以下)。在已評等級的主題公園中,高等級的主題公園的數量(占比68.1%)多于低等級的主題公園,其發展速度也快于低等級主題公園從分布來看,主題公園數量由東部地區往中部地區和西部地區遞減。山東、浙江、黑龍江、廣東、江蘇、廣西、河北7個省份所擁有的主題公園數量占全國總數的一半以上。主題公園數量排名前13位省份的主題公園數量占比接近70%;排名前2/3的省份集中了中國約90%的主題公園。經計算,各省主題公園分布最近鄰指數NNI=0.348<1,地理集中指數G=23.11,遠遠大于平均分布時的G值(3.22),空間基尼系數Gini=0.91,接近于1,說明中國主題公園在空間上高度趨向于集聚分布。根據官網查詢獲得的地理位置信息,利用ArcGIS10.2工具可繪制出主題公園空間分布密度圖。由圖1可明顯看出,主題公園空間分布存在3個高密度圈,分別是環渤海密度圈、長三角密度圈和珠三角密度圈,都處于中國經濟最發達、資源豐富的區域。進一步計算空間分布的莫蘭指數Moran’sI估計值為0.135,且z=1.71>1.65,表明中國主題公園布局具有顯著的空間自相關性,無論數量多寡,主題公園在各省的分布都趨向于空間集聚。2.2可執行性分析利用SPSS20.0對數據進行描述性統計(表2)和正態性檢驗。由于原始數據不滿足正態性,取對數后也不能滿足方差齊性的協整條件,因此分析前對數據進行Box-Cox變換。Box-Cox變換常用于連續變量不滿足正態分布的情況,可在一定程度上減少不可觀測的誤差,但不會影響到變量之間的關系(2.3目的地經濟基礎由于變量較多且存在共線性,使用主成分法進行降維處理。結果顯示,特征值>1的主成分共4個,累計信息含量為83.16%。其中,第一主成分中的變量主要有人均可支配收入、各省國內生產總值、內外部交通網密度等因素,反映目的地的經濟基礎(見表2)。第二主成分中的因子包括文娛業員工平均工資、國有建設用地出讓價格和A級及以上景區數量,這些因素分別影響主題公園的人力成本、建設成本和營銷,可看作是主題公園的成本要素。第三主成分包括高等級主題公園數量占比和各省旅游支持度,分別代表目的地空間集聚和競爭狀況以及旅游形象感知,可歸納為影響主題公園的市場條件。第四主成分中僅包含政府決策績效,可命名為營商環境。2.4各因素函數的回歸分析將被解釋變量Y進行Box-cox處理后進行逐步回歸,將降維后的主成分F1-F4逐個納入回歸方程進行分析檢驗,由于F2和F3的引入導致回歸方程不顯著,因而被剔除。統計檢驗結果顯示,F1和F4作為自變量的回歸模型(表3中模型1)具有非常好的擬合度,t檢驗和F檢驗均說明回歸結果穩定且顯著。這說明,中國主題公園的布局顯著受到目的地經濟基礎和營商環境的影響,兩者的綜合影響力達到57.6%(模型1中的可決系數R根據表2中每個因子的得分系數,可計算出F1和F4的主成分表達式,將其代入模型1所得回歸方程中,可得到影響主題公園分布的各因素函數表達式:觀察公式(1)中的系數可以發現,11個因素對于主題公園布局的影響各不相同。各積極因素按影響力從大到小依次為:政府決策績效(0.078)、各省潛在出游力(0.053)、GDP(0.052)、人均可支配收入(0.048)、內部交通網密度(0.044)、A級及以上景區數量(0.043)、城鎮人口數量(0.041)、對外交通網密度(0.032)、星級酒店數量(0.023)、高等級主題公園占比(0.020)和國內游客人數(0.019)。這些因素的改善有利于吸引和促進主題公園投資,特別是政府決策績效,對于主題公園分布具有首屈一指的影響,應當為各地政府所重視?？臻g集聚既會帶來集聚效應,也會造成相互競爭。在保繼剛等學者的研究中,并未指出主題公園布局究竟是集聚導向還是競爭導向。研究發現,旅游景區的數量、高等級主題公園占當地景區數量的比例都是推動主題公園發展的積極因素,說明主題公園布局具有集聚導向特征,尋求集聚效應以保持穩定的客源和提高生產效率,通過空間臨近形成相互的網絡關系和特殊的文化氛圍,對于主題公園選址具有重要影響。這與主題公園空間分布密度(見圖1)中展示出的高度空間自相關和空間集聚特征相同。對主題公園布局具有消極影響的因素包括各省份旅游形象(-0.001)、文娛業員工平均工資(-0.016)、國有建設用地出讓價格(-0.012)和氣候舒適度(-0.035)。2.5逐步回歸進一步將高級別主題公園數量(W1)和低級別主題公園數量(W2)作為因變量,分別研究影響其空間布局的因素。采用與上文同樣的分析步驟對4個主成分因子進行逐步回歸,可得到模型2和3,分別反映高、低等級主題公園數量的回歸結果。模型2中,進入回歸方程的變量為F1和F4,說明高等級主題公園的區位選擇與主題公園分布在總體上趨于一致。低等級主題公園回歸結果中,進入回歸方程的變量僅有F3(β=0.070,t=2.450),排除了F1、F2、F4的影響。這說明,低等級主題公園與高等級主題公園具有不同的空間分布取向。對于低等級主題公園而言,利用市場集聚的溢出效應,是其選址中考慮的首要因素。2.6不同等級景區的分布為了檢驗以上實證模型的穩健性,直接將各影響因素作為解釋變量進行逐步回歸,剔除不顯著變量,篩選最優的解釋變量集。結果發現,所有解釋變量中,僅“國內生產總值(GDP)”最終進入了回歸方程,并且回歸結果非常顯著,見表3中模型4。這一檢驗結果與主成分回歸結果基本一致。這說明,地區國內生產總值GDP是影響中國主題公園區位分布的最重要的因素,其影響程度達到52.8%(R以同樣的步驟分別對高、低主題公園的分布進行穩健性分析發現,對于高等級主題公園,進入方程的因素除了GDP外,還包括X3“內部交通網密度”,見模型5。對于低等級主題公園,進入方程的變量除了GDP和X3“內部交通網密度”外,還包括高等級主題公園占比X7和A級及以上景區數量X15,見模型6。這是由于高等級主題公園比低等級主題公園需要更多的資金投入,對于區位的要求也更高,更傾向于選擇經濟基礎、營商環境更好的地區。而低等級的主題公園由于市場開拓能力不足,更易受制于市場條件的影響,往往傾向于利用集聚帶來的市場外溢效應,拾遺補缺市場利基。因而出現高等級主題公園數量占比越多的地方,低等級主題公園的數量越多的現象。例如,珠海長隆海洋王國的開業不但沒有給珍珠樂園帶來負面影響,反而為其帶來更多游客。但是,低等級的主題公園布局會受到目的地“旅游景區個數”和“內部交通網密度”的負向影響,即目的地非主題公園類景區數量越少,低等級主題公園越多;內部交通條件較差的地區擁有的低等級主題公園也較多。這是因為非主題公園類景區數量越少,當地游憩需求得不到釋放,再加上交通不便,居民更偏向于在本地消費,這對于低等級主題公園是一個市場契機,可以在躲避競爭的同時爭取盡可能大的市場。3中國美術館空間集聚的政策效應以中國大陸31個省市區A級及以上主題公園數量作為因變量,創新地采用了類似“元分析”的方法,對前人研究中提出的影響主題公園空間分布的宏觀因素進行實證檢驗,得到以下結論:(1)經濟基礎和營商環境對主題公園分布具有最顯著的影響,兩者的綜合影響力高達57.6%,說明在以往的主題公園區位分布影響因素研究中存在對變量的過度識別問題,即納入了過多的解釋變量。其中,區域經濟水平(GDP)是主題公園建設與發展的必要條件,影響力達52.8%;政府治理能力和工作績效對于主題公園建設也具有同等程度的影響,這是本研究最重要的發現,凸顯出在政府主導型發展經濟中,營商環境對于推動企業投資意愿的重要性。(2)主題公園區位分布符合市場學派的觀點,但逐漸由市場驅動向綜合考慮成本因素轉變。在早期關于主題公園布局的研究中,只有